物联网（IoT）、人工智能（AI）、增强现实/虚拟现实（AR/VR）、工业4.0和制造业数字化，是信息技术（IT）领域中的最新发展。经验丰富的先进过程控制工程师可能会想知道，他们所处的领域与新的数字化领域（尤其是与数据分析）之间，是否存在任何联系。制造业可以使用大量的实时和历史数据，拥有更多数据会提高运营效率吗？
先进过程控制
先进过程控制（APC）的目的是调整单环控制器的设定值，以使关键运行变量接近目标，并使运行更接近于约束条件，这是本地的“优化”形式。经验丰富的运行人员可以根据他们对过程的了解、当前的运行条件和生产计划输入，来执行先进过程控制工作。但是，人类并不会像计算机一样孜孜不倦地运转，运行速度也远远比不上计算机。
在过去的40多年中，先进过程控制出现并不断发展，它依靠阶跃响应模型（而不是过程知识和经验）来决定要调整的回路，以及将回路保持在最佳状态的程度。过去，先进过程控制可能是一种价格高昂且鲜有成功的冒险。由于静态经济驱动因素，需要对其进行持续改型，因此难以维护。一些制造商做得很好，而其它许多制造商没有做到或没有能力做到。数据分析可以提供帮助吗？
连接数据分析
数据分析是指使用高级工具（分析和算法），处理原始数据以生成有用的信息。具体来说，对于先进过程控制而言，什么是“有用的信息”？以下是有关先进过程控制和数据分析的5个想法。
1.实时更新模型的敏感性
原始仪器和分布式控制系统（DCS）的历史和实时数据（例如，过程变量、设定点、阀门位置），以及相关的质量（实验室）数据，现在通过历史数据库“连接”到了现场和企业层面。为什么不使用这些数据来持续、实时的更新驱动先进过程控制模型关键参数的敏感性？这不必像听起来那么复杂。实现这一目标的算法技术，以及将这些敏感度转移回模型的现有技术，都有适当的内置安全性。
2.模型精度
那些用于驱动现场和企业生产计划工具（工厂和企业级优化器），将主要生产目标下载到先进过程控制的模型，又如何呢？如今，这些工具的主要问题是缺乏实时执行能力。如果运行工厂优化器，依靠昨天的数据来设定今天的目标，有什么价值呢？这就是先进过程控制的最初开拓者之一在评论中所提到的：“数据只有在可以制定出更好的决策时才有价值。”根据昨天的数据做出今天的决策，其价值在哪里？是零，甚至可能是负数，因为旧数据可能会导致错误的决策。
3.实时数据分析
如果决策必须是实时的，那么无论多么复杂，数据分析都需要实时运行。同样，这没有像听起来那么复杂。只有非常有限的变量需要实时更新，以确保生产计划工具能够下载最佳目标。数据分析应集中在这几个关键变量上。
4.设计和范围改进
目前，在工厂中运行的先进过程控制控制器的设计和范围如何？它们可以改善吗？现在，工厂中许多控制器的最大问题之一就是它们太大了。根据标准化的培训计划设计人员进行测试，使用所有可能的操纵变量（MV），确认对每个可能的受控/约束变量（CV）的影响，然后将每个变量包含到模型和控制器设计中。
经验丰富的运行人员可以告诉您哪些变量很重要。为什么不利用基于数据分析以及包含关键生产力指标的数据监控工具？该工具可以处理工厂和实验室数据，可以识别出重要的操纵变量/受控变量关系，帮助先进过程控制设计人员确定合适的控制器规格，并识别对可控性以及装置和工厂运行的优化几乎没有影响的变量和变量关系。
5.监控与支持
先进过程控制监控工具是如何测量和报告控制器性能的？需要考虑的不仅仅是控制器是否正在运行，有多少操纵变量处于活动状态，还有经济性能如何？数据分析可以基于企业范围的业务标准和公认的方法，使用工厂和实时经济数据（产品价值、能源成本等）来计算先进过程控制的“盈利能力”。 （作者：Jim Ford）
